Самоадаптация в алгоритмах роевой оптимизации

Эволюционные алгоритмы активно развиваются в последние два десятилетия, что обусловлено с одной стороны многочисленными исследованиями в области математической биологии, с другой - широким распространением массивно-параллельных вычислительных систем, так как численное моделирование биологических систем (обладающих значительным внутренним параллелизмом) требует существенных вычислительных затрат. Алгоритмы роевой оптимизации, рассматриваемые в данной статье, основаны на моделировании коллективного поведения в больших колониях животных, например, муравьев, бактерий, пчёл. Такие алгоритмы являются универсальными, применимыми к широкому кругу задач. Настоящая работа посвящена описанию нового подхода к построению самоадаптивных алгоритмов роевой оптимизации, в которых происходит автоматическая настройка части параметров алгоритма в процессе его выполнения. Идея построения самоадаптивного эволюционного алгоритма заключается в том, что на фоне основного алгоритма (например, алгоритма бактериального поиска) запускается вспомогательный генетический алгоритм, целью работы которого является настройка параметров базового алгоритма, обеспечивающая максимально возможную скорость его сходимости. Рассматривается применение предложенной схемы самоадаптации на примере алгоритмов бактериального поиска и пчелиных алгоритмов. Приводятся результаты численного исследования полученных алгоритмов на примере решения стандартных тестовых задач непрерывной оптимизации, демонстрирующие работоспособность предложенной схемы самоадаптации.

роевая оптимизация, самоадаптация, бактериальный алгоритм, пчелиный поиск, генетический алгоритм